Диагностирование пола и возраста участника интернет-коммуникации на основе количественных параметров его текстов

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 16-18-10050

НазваниеДиагностирование пола и возраста участника интернет-коммуникации на основе количественных параметров его текстов

Руководитель Сбоев Александр Георгиевич, Доктор физико-математических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение "Национальный исследовательский центр "Курчатовский институт" , г Москва

Конкурс №13 - Конкурс 2016 года на получение грантов по приоритетному направлению деятельности РНФ «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами»

Область знания, основной код классификатора 08 - Гуманитарные и социальные науки; 08-453 - Языкознание

Ключевые слова письменный текст, интернет-коммуникация, моделирование личности по тексту, автоматическая обработка языка, социолингвистика, математическая лингвистика, корпусы текстов, нейронные сети, компьютерная лингвистика, автороведение, искажение признаков письменной речи

Код ГРНТИ16.31.00

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
В настоящее время считается общепризнанным положение о том, что в тексте как продукте речемыслительной деятельности человека неизбежно находят отражение его индивидуально-личностные характеристики (пол, возраст, черты характера и т.д.). Отечественной наукой (лингвистикой, психологией, криминалистикой и т.д.) накоплено немало данных о влиянии пола, возраста, уровня образования, темперамента, других индивидуально-личностных характеристик автора на лингвистические параметры созданного им письменного текста (на разных языковых уровнях), однако исследования, направленных на разработку методик диагностирования (с определенной точностью) демографических и индивидуально-психологических характеристик автора письменного текста, в том числе участника интернет-коммуникации, на основе анализа количественных параметров текстов на русском языке, единичны. В современной зарубежной науке активно развивается междисциплинарное направление (authorship profiling), представители которого (специалисты по анализу данных, лингвисты, психологи) решают задачу диагностирования индивидуально-личностных характеристик автора текста путем построения математических моделей на основе корреляций между численными значениями тех или иных параметров текста и характеристик его автора, найденных на основе анализа, с применением современных методов автоматической обработки языка, огромного массива текстов (в том числе текстов интернет-коммуникации, снабженных информацией об их авторах). До недавнего времени подавляющее большинство таких исследований выполнялось на материале английского языка, однако в последние несколько лет стали указанный подход стали применять и к другим языкам. В ряде работ сообщается о достигнутой точности определения пола и возраста автора текста в 80 % и выше. Однако в известных работах не учитывается то обстоятельство, что авторы текстов, в особенности интернет-коммуникации, могут сознательно искажать признаки письменной речи с целью имитации речи лица противоположного пола и/или другой возрастной группы, а также степень стабильности параметров в текстах одного автора и их зависимость от его тематики. Очевидно, что при разработке валидных методик диагностирования характеристик автора письменного текста, в том числе участника интернет-коммуникации, необходимо анализировать параметры текста, не подверженные сознательному искажению, отличающиеся высокой частотностью, стабильностью и независимостью от темы текста. Для выявления таких языковых параметров и построения соответствующих методик необходимы специальные исследования на обширном корпусном материале с применением современных методик автоматической обработки текстов и методов анализа данных, в том числе методов машинного обучения. Проект имеет носит теоретико-прикладной характер. В последние несколько лет наблюдается бурное развитие интернет-коммуникации. К сожалению, этот процесс неизбежно сопровождается и увеличением уровня киберпреступности: преступный мир активно использует виртуальный мир в своих целях. Так, Интернет в качестве средства поиска новых жертв и установления контакта с ними используют педофилы, вербовщики из запрещенных террористических организаций и т.д. Естественно, кибепреступники не заинтересованы в распространении данных, которые бы помогли их выявить и идентифицировать, поэтому в своих персональных профилях и переписке они зачастую искажают сведения о себе (пол, возраст и т.д.), и единственным ключом к получению информации о преступниках является анализ их текстов. Конкретной задачей проекта является разработка методики диагностирования пола и возраста участника интернет-коммуникации на основе анализа количественных параметров его текстов, позволяющей с высокой степенью достоверности определить демографические характеристики пишущего с учетом возможности намеренного искажения им признаков письменной речи с целью имитации речи лица противоположного пола и/или другой возрастной группы, а также методики определения наличия в тексте признаков намеренного искажения письменной речи. Научная новизна проектируемого исследования определяется: 1) постановкой задачи исследования; 2) материалом исследования; 3) подходом к выбору параметров текстов для анализа; 4) разнообразием математических методов исследования.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Сбоев А.Г., Молошников И.А., Гудовских Д.В., Селиванов А.А.,Рыбка Р.Б.,Литвинова Т.А. Automatic gender identification of author of Russian text by machine learning and neural net algorithms in case of gender deception Procedia Computer Science, том 123, стр.417-423 (год публикации - 2018)
10.1016/j.procs.2018.01.064

2. Сбоев А.Г., Молошников И.А., Гудовских Д.В., Селиванов А.А.,Рыбка Р.Б.,Литвинова Т.А. Deep learning neural nets versus traditional machine learning in gender identification of authors of rusprofiling texts Procedia Computer Science, том 123,стр. 424-431 (год публикации - 2018)
j.procs.2018.01.065

3. Литвинова Т.А., Сбоев А.Г., Паничева П.В. Profiling the age of Russian bloggers Communications in Computer and Information Science, том 930, стр. 167-177 (год публикации - 2018)
10.1007/978-3-030-01204-5_16

4. Литвинова Т.А., Середин П.В., Литвинова О.А., Загоровская О.В. Identification of gender of the author of a written text using topic-independent features Pertanika Journal of Social Sciences and Humanities, том 26, номер 1, стр.103-112 (год публикации - 2018)

5. Сбоев А.Г., Молошников И.А., Гудовских Д.В., Рыбка Р.Б. Data-driven Approaches to Author’s Profiling Identification for Russian Texts on Base of Complex Machine Learning Models in Combinations with Siamese Networks DEStech Transactions on Computer Science and Engineering (год публикации - 2018)
10.12783/dtcse/ceic2018/24526

6. Сбоев А.Г., Гудовских Д.В., Молошников И.А., Рыбка Р.Б. A gender identification of text author in mixture of Russian multi-genre texts with distortions on base of data-driven approach using machine learning models AIP Conference Proceedings (год публикации - 2019)

7. Сбоев А.Г., Рыбка Р.Б., Молошников И.А., Гудовских Д.В., Литвинова Т.А. To the question of data-driven identification of author’s age for Russian texts with age deceptions using machine learning Journal of Physics: Conference Series (год публикации - 2019)

8. Сбоев А., Литвинова Т., Воронина И., Гудовских Д., Рыбка Р. Deep Learning Network Models to Categorize Texts According to Author's Gender and to Identify Text Sentiment Proceedings - 2016 International Conference on Computational Science and Computational Intelligence, Номер статьи 7881503, Pages 1101-1106 (год публикации - 2017)
10.1109/CSCI.2016.0210

9. Сбоев А.Г., Власов Д.С., Серенко А.В., Молошников И.А., Литвинова Т.А. On the applicability of spiking neural network models to solve the task of recognizing gender hidden in texts Procedia Computer Science, Procedia Computer Science (2016), vol. 101, pp. 187-196 (год публикации - 2016)
10.1016/j.procs.2016.11.023

10. Сбоев А.Г., Литвинова Т.А., Гудовских Д.В., Рыбка Р.Б., Молошников И.А. Machine Learning Models of Text Categorization by Author Gender Using Topic-Independent Features Procedia Computer Science, 2016, vol. 101, pp. 135-142 (год публикации - 2016)
10.1016/j.procs.2016.11.017

11. Литвинова Т., Середин П., Литвинова О., Загоровская О., Сбоев А., Гудовских Д., Молошников И., Рыбка Р. Gender Prediction for Authors of Russian Texts Using Regression And Classi cation Techniques Proceedings of CDUD 2016 – The 3rd International Workshop on Concept Discovery in Unstructured Data, Jaume Baixeries, Dmitry I. Ignatov, Dmitry Ilvovsky, Alexander Panchenko (Eds.) CDUD 2016 – The 3rd International Workshop on Concept Discovery in Unstructured Data, July 18, 2016, Moscow, Russia, pp. 44-53 (год публикации - 2016)

12. Литвинова Т., Литвинова О., Загоровская О., Середин П., Сбоев А., Романченко О. "Ruspersonality": a Russian Corpus for Authorship Profiling and Deception Detection 2016 International FRUCT Conference on Intelligence, Social Media and Web (ISMW FRUCT), pp. 29-35 (год публикации - 2016)
10.1109/FRUCT.2016.7584767

13. Сбоев А. Г., Молошников И. А., Гудовских Д. В., Селиванов А. А., Рыбка Р. Б., Литвинова Т. А. Automatic gender identification of author of Russian text by machine learning and neural net algorithms in case of gender deception Procedia Computer Science (год публикации - 2017)

14. Литвинова Т., Середин П., Литвинова О., Рыжкова Е. Estimating the Similarities between Texts of Right- Handed and Left-Handed Males and Females Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), Volume 10456 LNCS, 2017, Pages 119-124 (год публикации - 2017)
10.1007/978-3-319-65813-1_11

15. Литвинова Т.А., Середин П.В., Литвинова О.А., Загоровская О.В. Gender identification in Russian written texts XLinguae, Volume 10, Issue 3, 2017, Pages 176-183 (год публикации - 2017)
10.18355/XL.2017.10.03.14

16. Литвинова Т.А., Загоровская О.В., Середин П.В. Диагностирование пола автора письменного текста на основе количественных параметров: когнитивный подход Вопросы когнитивной лингвистики, 2016, № 4, С. 51-59 (год публикации - 2016)
10.20916/1812-3228-2016-4-51-59

17. Сбоев А., Молошников И., Гудовских Д., Рыбка Р. A comparison of Data Driven models of solving the task of gender identification of author in Russian language texts for cases without and with the gender deception Journal of Physics: Conference Series (год публикации - 2017)

18. Литвинова Т., Середин П., Литвинова О., Загоровская О. Differences in type-token ratio and part-of-speech frequencies in male and female Russian written texts Proceedings of the Workshop on Stylistic Variation, W17-4909, pp. 69–73 (год публикации - 2017)

19. Литвинова Т., Гудовских Д., Сбоев А., Середин П., Литвинова О., Писаревская Д., Россо П. Author Gender Prediction in Russian Social Media Texts CEUR Workshop Proceedings, Supplementary 6th International Conference on Analysis of Images, Social Networks and Texts, AIST-SUP 2017, Volume 1975, Pages 105-110 (год публикации - 2017)

20. Литвинова Т.А. Судебная автороведческая экспертиза текста с целью установления пола его автора: проблемы и перспективы Современное право, № 7. С. 111-115 (год публикации - 2016)

21. Сбоев А.Г., Власов Д.С., Серенко А.В., Рыбка Р.Б., Молошников И.А. On the applicability of STDP-based learning mechanisms to spiking neuron network models AIP Advances, Т.6, №11, С. 111305 (год публикации - 2016)
10.1063/1.4967353

Публикации